girl_noise.jpg恢复去噪

1.分析过程

图一待处理的图像

从上图中可以看出，需要对图片进行处理的分为三个部分，分别是椒盐噪声，两条白线和一条灰线。椒盐噪声可以通过中值滤波器去除。要想去掉三条线，而对图片的其他部分没有影响，则首先需要定位到这三条线。

要定位到这三条白线，则需要找出这三条线与图片上其他横行的区别。首先想到的是这三条线的像素变化很小，即这三条线所在的横行的标准差是最小的。其次，这三条线的同一个颜色占百分之五十以上，因此可以对每一行的统计某一个范围内的像素的数量来判断是白线和灰线。

当定位到这三条线以后，先进行测试一下，确认是否正确，再对线进行消除。为了避免去掉的很近太明显，所以可以参考这条线的上下行的像素来修改该行的像素。这里的上下行不限于紧邻的上下行，也可以是上两行下三行，根据处理的结果来选择最优。

对三条线进行去除以后，接下来去除椒盐噪声。由于去椒盐噪声最好的是中值滤波器，所以这里选择用椒盐滤波器。

此时为了更好的减少在去除白线灰线的操作过程中对图像的影响，可以对图像进行平滑处理，再进行锐化处理。经过这两步的处理可以更好的消除掉白线和灰线。

2.算法

(1）去除白线

因为白线所在的位置基本上大部分是黑灰色系的颜色，而要去除的白色系的颜色，这两种颜色的像素分布在0-255的最两端，容易用一个界限来区分两种颜色。所以去除白色的线时，先来统计每一行某个范围内的像素有多少，如果占这一行像素总数的百分之五十以上，则判定为白线。这里在读取像素的时候，进行了归一化处理，提高精确度，减小误差，否则会有更多的行被判定为白线。当找到白线的时候，将白线这一行的像素赋值为上下行的像素的平均值。上下行的范围是进行测试来确定的，不断改变上下行的范围，取处理结果最好的那次的上下行的范围。为了测试一下代码找到的白线是不是我们想要找的白线，把对白线的像素处理的部分改成这一行都是黑色的。通过测试结果可以看出来程序找到的白线就是我们需要的白线。注释掉的部分就是原先修改白线的部分，为了进行测试将这条线改为黑色。

图三对找到的白线进行准确性测试的代码

(2)去除灰线

因为图像中这一条灰线最长，并且接近于图像的宽。在图像的其他部分没有哪一行的颜色是不变的，所以在定位灰线的时候使用了标准差。灰线这一行的标准差是最小的部分。但是灰线不一定是一行还是两行，肉眼无法判断，所以这里用一个范围来确定灰线的范围。这里读取像素的时候同样是先进行了归一化。代码中确定灰线的范围设置成了标准差小于0.1的部分。在确定0.1这个范围值的时候，先进行了标准差的排序，将标准差从小到大排列并且输出行数，从最小的几个标准差中可以看到233，234行的标准差是最小的两行，并且与第三小的标准差相差较大，因此就确定了233，234两行为灰线。由于这两行的标准差和其他行的标准差相差较大，所以可以确定灰线的的标准差是范围是小于0.1的。这一部分是在写代码之前进行测试确定的，在最终的代码中没有体现。确定了灰线行以后，对这一行的像素进行处理，同样是取上下行的平均值，这里上下行的范围是不断测试，选择处理结果最好的那次的上下行的范围。这里同样进行测试一下准确性，将修改灰线像素的部分改成这条线为黑色，从结果可以看出是正确的。这里的处理方法同白线的处理方法。

图三对找到的灰线进行准确性测试的代码

(3)去椒盐噪声

椒盐噪声的特点就是某个点的像素特别大或者特别小，所以取3x3的中值的话是不会取到椒盐噪声这个点的。用3x3的时候注意不需要处理边界。

（4）平滑和锐化处理

平滑采用的是opencv自带的函数GaussianBlur，该函数的平滑原理是高斯滤波器。锐化使用的是定义函数。该函数使用的是拉普拉斯算子，不断调试可以得到一个比较好的效果，最终采用的是[0,-0.7,0,-0.7,4.3,-0.7,0,-0.7,0],提高算子中间的系数就是4.3这个数，可以让图像变亮。本程序最终处理的图像比原图像要亮一些。

程序代码下载见个人的资源上传。